Diagnosekodierung in der Praxis: Ambulante Kodierqualität und Risikostrukturausgleich

Anja Schramm erläutert Modelle zur Quantifizierung der Kodierqualität und der Analyse hinsichtlich Persistenz, Spezifität und Qualitätskennzeichen sowie für spezifische Krankheiten wie z. B. Rheumatoide Arthritis und Diabetes mellitus. Unter dem Aspekt der asymmetrischen Information diskutiert sie die Ergebnisse kritisch und zeigt Lösungsmöglichkeiten für eine Verbesserung der Kodierqualität auf. Die ambulante Diagnosekodierung hat sich ja mit der Einführung des Morbi-RSA im Jahr 2009 zu einem zentralen Beurteilungskriterium zur Bemessung von Krankheitskosten entwickelt. Eine gute Kodierqualität ist seitdem Voraussetzung für die ressourcengerechte Allokation der Beitragsgelder in der GKV. Geleitwort 8 Danksagung 10 Inhaltsverzeichnis 12 Tabellenverzeichnis 14 Abbildungsverzeichnis 18 Abkurzungsverzeichnis 20 1 Einführung 23 1.1 Gegenstand und Motivation der Arbeit 23 1.2 Forschungsziel 26 1.3 Aufbau der Arbeit 27 2 Methoden zur Beurteilung der Kodierqualitat 29 2.1 Grundlagen 29 1. Alle vorliegenden Krankheiten dokumentieren. 31 2. Es ist so spezifisch wie moglich zu dokumentieren. 31 3. Endstandige (terminale) ICD verwenden. 31 4. Zusatzkennzeichen zur Qualifizierung einer Diagnose verwenden. 32 5. Chronische Diagnosen kontinuierlich dokumentieren. 32 6. Dokumentation dem Krankheitsverlauf anpassen. 32 2.2 Referenzmessmodelle 32 1. Diagnosepersistenz 35 2. Unspezifische Diagnosen 35 3. Diagnoseart 35 2.2.1 Diagnosepersistenz 35 2.2.2 Unspezifische Kodierungen 36 2.2.3 Zusatzkennzeichen 39 2.3 Pradiktive Erwartungsmodelle 40 2.3.1 Indikatoren der Modelle 41 Abrechnungsziffern (EBM-Ziffern) 41 HMG 41 Arzneimittel 41 Hilfsmittel-Verordnungen 41 Heilmittel-Verordnungen 41 DMP-Dokumentation 42 Krankenhaus 42 Fahrkosten 42 Reha-Verordnungen 42 Hausliche Krankenpflege (HKP)-Verordnungen 42 Demografische Daten 42 2.3.1.1 Arzneimittel 43 a) Wirkstoff als ATC 43 b) Artikel mit der entsprechenden Pharmazentralnummer 44 2.3.1.2 EBM-Zi ern 44 1. Arztgruppenubergreifende allgemeine GOP 44 2. Arztgruppenspezifische GOP 44 3. Arztgruppenubergreifende spezielle GOP 44 2.3.1.3 DMP-Dokumentationen 45 a) DMP Koronare Herzkrankheit (KHK) 46 b) DMP Diabetes mellitus Typ 1 (DM I) 46 c) DMP Diabetes mellitus Typ 2 (DM II) 47 d) DMP Brustkrebs 48 e) DMP Asthma 49 f) DMP Chronisch obstruktive Lungenerkrankung (COPD) 50 2.3.1.4 Ambulante Diagnosen 51 1. Einschlussindikator: Kreuz-Stern-Systematik 52 2. Einschlussindikator: Arzneimittel-Diagnose-Komplement 52 3. Ausschlussindikator: Alternativindikation bei Arzneimitteln 53 4. Ausschlussindikator: Off-Label-Use-Arzneimittelverordnungen 53 5. Ausschlussindikator: Kreuz-Stern-Systematik 53 2.3.1.5 HMG-Klassifikationen 54 2.3.2 Modellbildung 55 3 Analyse der Kodierqualitat 57 3.1 Datengrundlage 57 3.1.1 Betrachtungszeitraume 58 3.1.2 Datenquellen und Datentypen 59 3.1.3 Deskriptive Statistik der Datengrundlage 65 3.1.4 Kriterien zur Gütebeurteilung von Messmodellen 68 3.2 Analyse anhand von Referenzmessmodellen 68 3.2.1 Operationalisierung 68 3.2.2 Diagnosepersistenz 69 3.2.2.1 Analysemethode 71 Gruppierung der Diagnosen auf Krankheitsebene 72 Auswahl der DxG mit M2Q-Kriterium 72 Selektion der Versicherten mit DxG-Diagnose 73 Auswahl der Versicherten mit einem kodierten Quartal 74 Gewichtung der Kodierhistorien mit der Verifizierungsquote 75 3.2.2.2 Globale Ergebnisse 77 3.2.2.3 Auswertung auf Krankheitsebene 79 3.2.2.4 Zusammenfassung 84 3.2.3 Unspezifische Kodierungen 85 3.2.3.1 Analysemethode 86 Analysealgorithmus 87 a) Datenselektion 87 b) Analysen 88 3.2.3.2 Deskriptive Auswertung 88 3.2.3.3 Arztbezogene Aggregation 91 3.2.3.4 Entwicklung in den Facharztgruppen 94 3.2.3.5 Sonderfall: Diabetes mellitus 96 3.2.3.6 Kategoriale Diagnosen 99 3.2.3.7 Zusammenfassung 100 3.2.4 Zusatzkennzeichen 101 3.2.4.1 Analysemethode 102 Analysealgorithmus 102 a) Datenselektion 103 b) Analysen 103 3.2.4.2 Deskriptive Auswertung 103 3.2.4.3 Arztbezogene Aggregation 104 3.2.4.4 Entwicklung in den Facharztgruppen 106 3.2.4.5 (Zustand nach) Z-Diagnosen 109 3.2.4.6 Verdachtsdiagnosen 114 3.2.4.7 Zusammenfassung 117 3.2.5 Ergebnisse der Referenzmessmodelle 118 3.3 Analyse anhand von pradiktiven Erwartungsmodellen 119 3.3.1 Operationalisierung 119 3.3.3.1 Modellfindungsprozess 120 3.3.3.2 Modelllogik 120 3.3.2 Rheumatoide Arthritis und andere Bindegewebserkrankungen (HMG 38) 122 3.3.2.1 Modellbildung/Indikatorenauswahl 125 a) EBM 04573 (38_01) 126 b) EBM 13621 (38_02) 126 c) EBM 13700 (38_03) 126 d) EBM 13701 (38_04) 127 e) EBM 18700 (38_05) 128 f) EBM 32023 (38_06) 128 g) Etanercept-Enbrel® (38_ 07) 129 h) Rituximab-MabThera® (38_08) 130 i) Infliximab Remicade® (38_09) 131 j) Adalimumab Humira® (38_10) 131 k) Colchicin (38_11) 132 l) Chloroquin/Hydroxychloroquin (38_12/38_13) 132 m) Gold/Leflunomid (38_14/38_15) 133 n) Anakinra-Kineret® (38_ 16) 133 o) Abatacept-Orencia® (38_ 17) 133 p) Psoriasis-Arthropathie (38_18) 133 q) Weitere Indikatoren 134 Potentielle Fehlerquellen in der Kodierung 134 3.3.2.2 Validierung der Indikatoren 135 3.3.2.3 Modellergebnisse 137 Auswertung der hochspezifischen EBM-Ziffern 137 Auswertung der hochspezifischen Arzneimittelindikatoren 139 Auswertung des Diagnoseindikators 139 3.3.2.4 Zusammenfassung 141 3.3.3 Leberzirrhose (HMG 26) 141 3.3.3.1 Modellbildung/Indikatorenauswahl 144 a) Paromomycin-Humatin® (26_01) 144 b) Ornithinaspartat (26_02) 145 Potentielle Fehlerquellen 145 3.3.3.2 Validierung der Indikatoren 146 3.3.3.3 Modellergebnisse 148 3.3.3.4 Zusammenfassung 151 3.3.4 Angina pectoris/Zustand nach altem Myokardinfarkt (HMG 83) 151 3.3.4.1 Modellbildung/Indikatorenauswahl 154 a) Diagnosen mit Zusatzkennzeichen Z (83_ 01/02/05) 154 b) Diagnosen mit Zusatzkennzeichen G (83_ 03/04) 155 c) DMP-Dokumentationen (83_06/07) 156 d) Eplerenon-Inspra® (83_08) 156 Potentielle Fehlerquellen 156 3.3.4.2 Validierung der Indikatoren 157 3.3.4.3 Modellergebnisse 159 Auswertung der hochspezifischen Diagnoseindikatoren 160 Auswertung der hochspezifischen DMP-Dokumentationsindikatoren 162 Auswertung des hochspezifischen Arzneimittelindikators 163 3.3.4.4 Zusammenfassung 165 3.3.5 Strukturierte Behandlungsprogramme (DMP) 165 3.3.5.1 Modellbildung/Indikatorenauswahl 166 a) DMP Koronare Herzkrankheit 168 b) DMP Diabetes mellitus 168 c) DMP Asthma 169 d) DMP Chronisch obstruktive Lungenerkankung 169 3.3.5.2 Validierung der Indikatoren 169 3.3.5.3 Modellergebnisse 171 3.3.5.4 Zusammenfassung 174 3.3.6 Ergebnisse der pradiktiven Erwartungsmodelle 175 4 Ergebnisdiskussion 177 4.1 Diskussion im Kontext der asymmetrischen Information 177 4.1.1 Prinzipal-Agenten-Theorie 178 Bewusster Opportunismus 180 Risikoabwalzung 181 Ohne Bedacht, ohne bosenWillen in einem kommunikationsarmen Ambiente 181 4.1.2 Arzt-Krankenkassen-Beziehung 181 4.1.2.1 Das holdup-Problem 184 4.1.2.2 Losungsstrategien des holdup-Problems 185 4.1.3 Zusammenfassung 191 4.2 Kritik der Messmethodik 191 4.2.1 Exogene Faktoren 192 4.2.2 Endogene Faktoren 193 4.2.2.1 Referenzmessmodelle 193 4.2.2.2 Pradiktive Erwartungsmodelle 194 5 Fazit und Ausblick 195 5.1 Einordnung der Ergebnisse 195 5.2 Ausblick 196 Literaturverzeichnis 198 A Indikatorentestung 210 Kodierqualitt,Dissertation Anja Schrammerlautert Modelle zur Quantifizierung der Kodierqualitat und der Analysehinsichtlich Persistenz, Spezifitat und Qualitatskennzeichen sowie furspezifische Krankheiten wie z. Unterdem Aspekt der asymmetrischen Information diskutiert sie die Ergebnissekritisch und zeigt Loesungsmoeglichkeiten fur eine Verbesserung derKodierqualitat auf. Front Matter....Pages I-XXI Einführung....Pages 1-6 Methoden zur Beurteilung der Kodierqualität....Pages 7-34 Analyse der Kodierqualität....Pages 35-154 Ergebnisdiskussion....Pages 155-172 Fazit und Ausblick....Pages 173-175 Back Matter....Pages 177-219